一种用于管理移动设备及其计算机程序产品中的事件通知的装置和方法与流程

本发明大体涉及数据处理领域，尤其涉及用于基于人工智能管理移动设备中的事件通知的技术。

背景技术：

1、各种移动应用目前是几乎所有现代移动设备(例如，移动电话、蜂窝电话、智能手机等)所固有的。某些所述移动应用，例如twitter、facebook、whatsapp、viber和电子邮件客户端，允许移动设备的用户接收有关各种事件的通知，例如来电/未接来电、消息接收、来自不同社交网络的其它用户的添加好友申请、所述社交网络中可用好友的账户配置文件变化等。通常，所述移动设备会在通知列表中显示此类通知，以便所述用户能够立即或稍后查看所有通知。

2、然而，当所述移动设备上安装的某些所述移动应用对同一事件做出反应时(例如，内置和附加安装的天气应用通知相同的环境温度变化)，就会出现一个常见问题，从而产生有关事件的多个通知。因此，移动终端的通知列表中填充有相同通知。

3、当所述用户是所述移动设备的“重度用户”(即使用大量移动应用的用户)时，就会出现另一个常见问题。例如，此类重度用户可以拥有若干电子邮件账户(工作账户、私人账户、爱好相关账户、其它活动相关账户)，每个电子邮件账户都可以被配置为发送有关每条接收到的电子邮件消息的通知。在繁忙的一天中，此类通知的数量可能足够大，因此这些通知将完全淹没所述移动设备的所述通知列表。此外，在所述移动设备的所述通知列表中指示的通知中，某些通知可能不太重要，其它通知可能较为紧急，而另一些通知在所述用户接收或查看所述通知列表或所述用户有时间检查所述通知列表时已过期。

4、上述问题以及所述移动设备中相对较小的显示屏致使所述通知列表由多页(屏幕)所述通知组成。这种情况可能会使所述用户感到沮丧和烦恼，因为他们更愿意只看到那些需要采取行动的通知，或那些可能很重要的通知，或者那些可能与近况、位置、事件或人、爱好相关的通知(例如，基于标准，如日时间)。

5、因此，仍然需要一种新的方案，以便减轻或甚至消除现有技术特有的上述缺点。

技术实现思路

1、提供本技术实现要素：是为了以简化的形式引入概念的选择，这些概念将在以下具体实施方式中进行进一步的描述。本发明内容的目的不在于识别权利要求书保护的主题的关键特征或必要特征，也不在于限制权利要求书保护的主题的范围。

2、本发明的目的在于提供一种提高在移动设备中显示事件通知之前过滤所述事件通知的效率的技术方案。

3、上述目的通过所附权利要求中的独立权利要求的特征来实现。进一步的实施例和示例在从属权利要求、具体实施方式和附图中显而易见。

4、根据第一方面，提供了一种用于管理移动设备中的事件通知的方法。首先，获取目的在于向用户显示并与所述移动设备中发生的新事件有关的事件通知，接着针对所述事件通知，确定与所述移动设备的所述用户和/或所述移动设备本身相关联的通知上下文。接下来，通过使用学习算法，基于所述事件通知和所述通知上下文，预测所述事件通知的关联程度，所述学习算法考虑到过去事件通知、相关联的过去通知上下文以及使用所述移动设备的用户对所述过去事件通知的反应。之后，基于所述预测的关联程度决定是否向使用所述移动设备的所述用户显示所述事件通知。这样，首先向所述移动设备的所述用户显示此时最相关的事件通知，由此提供所述事件通知的所述提高的过滤，从而节省用户时间并促进针对所述事件通知采取更快的用户操作。

5、在所述第一方面的一实现方式中，所述通知上下文包括关于用户活动、用户内容、来自所述移动设备的至少一个传感器的传感器信息、应用信息和/或区域标识符的信息，所述区域标识符指示所述移动设备所在的地理区域。这允许通过考虑伴随接收所述事件通知的所有上述因素来提高所述过滤效率。

6、在所述第一方面的另一实现方式中，所述地理区域基于从所述移动设备中使用的位置传感器接收的卫星定位系统坐标进行定义。这允许更精确地确定所述移动设备的所述位置，从而促进以更准确的方式预测所述关联程度。

7、在所述第一方面的另一实现方式中，所述学习算法是一种无监督机器学习算法。这使得所述预测所述关联程度的步骤更加自动化，从而最大限度地降低用户参与度。

8、在所述第一方面的另一实现方式中，所述学习算法通过使用神经网络、决策树或随机索引实现。这提供了使用灵活性，因为根据所述第一方面所述的方法可以通过使用不同的学习方法来实现。

9、在所述第一方面的另一实现方式中，所述决策包括：当所述预测的关联程度超出预先确定的阈值时，决定向所述用户显示所述事件通知；当所述预测的关联程度未超出所述预先确定的阈值时，防止向所述用户显示所述事件通知。这样，所述用户可以只看到最相关的事件通知，从而可以在更大程度上节省所述用户时间。

10、在所述第一方面的另一实现方式中，每个过去事件通知的所述过去通知上下文被预先编码为稀疏向量表示，所述预测包括：将所述事件通知的所述通知上下文编码为所述稀疏向量表示；使用向量距离度量，比较所述事件通知的所述稀疏向量表示与每个过去事件通知的所述稀疏向量表示；基于上述比较的结果，显示最接近所述事件通知的所述过去事件通知；通过考虑所述用户对所述显示的过去事件通知的反应，获取所述事件通知的所述预测的关联程度。这允许最大限度地减小存储所述过去事件通知和所述过去通知上下文所需的内存大小，并简化和同时改进所述预测所述关联程度。

11、在所述第一方面的另一实现方式中，所述比较使用随机索引算法进行。这样，可以在更大程度上提高所述关联程度的所述预测的准确性。

12、在所述第一方面的另一实现方式中，所述新事件是接收以下各项中的一项：社交网络中的消息、电子邮件消息、sms消息、应用消息、来电、闹钟信号和日历事件。附加地，这提供了所述使用灵活性，因为根据所述第一个方面所述的方法能够考虑到不同事件。

13、根据第二方面，提供了一种用于管理移动设备中的事件通知的装置，所述装置包括至少一个处理器和存储器，所述存储器耦合至所述至少一个处理器，用于存储处理器可执行指令。所述处理器可执行指令在由所述至少一个处理器执行时，使得所述至少一个处理器执行如下操作：获取事件通知，所述事件通知的目的在于向用户显示并与所述移动设备中发生的新事件有关；针对所述事件通知，确定与所述移动设备的所述用户和/或所述移动设备本身相关联的通知上下文；通过使用学习算法，基于所述事件通知和所述通知上下文，预测所述事件通知的关联程度，所述学习算法考虑到过去事件通知、相关联的过去通知上下文以及使用所述移动设备的用户对所述过去事件通知的反应；基于所述预测的关联程度决定是否向使用所述移动设备的所述用户显示所述事件通知。这样，首先向所述移动设备的所述用户显示此时最相关的事件通知，由此提供所述事件通知的所述提高的过滤，从而节省用户时间并促进针对所述事件通知采取更快的用户操作。

14、在所述第二方面的一实现方式中，所述通知上下文包括关于用户活动、用户内容、来自所述移动设备的至少一个传感器的传感器信息、应用信息和/或区域标识符的信息，所述区域标识符指示所述移动设备所在的地理区域。这允许通过考虑伴随接收所述事件通知的所有上述因素来提高所述过滤效率。

15、在所述第二方面的另一实现方式中，所述地理区域基于从所述移动设备中使用的位置传感器接收的卫星定位系统坐标进行定义。这允许更精确地确定所述移动设备的所述位置，从而促进以更准确的方式预测所述关联程度。

16、在所述第二方面的另一实现方式中，所述学习算法是一种无监督机器学习算法。这使得所述预测所述关联程度的操作更加自动化，从而最大限度地降低用户参与度。

17、在所述第二方面的另一实现方式中，所述至少一个处理器用于通过使用神经网络、决策树或随机索引实现所述学习算法。这提供了使用灵活性，因为根据所述第二方面所述的装置可以通过使用不同的学习方法来实现。

18、在所述第二方面的另一实现方式中，所述处理器可执行指令还使得所述至少一个处理器执行如下操作：当所述预测的关联程度超出预先确定的阈值时，决定向所述用户显示所述事件通知；当所述预测的关联程度未超出所述预先确定的阈值时，防止向所述用户显示所述事件通知。这样，所述用户可以只看到最相关的事件通知，从而可以在更大程度上节省所述用户时间。

19、在所述第二方面的另一实现方式中，每个过去事件通知的过去通知上下文被预先编码为稀疏向量表示，所述处理器可执行指令还使得所述至少一个处理器通过以下方法预测所述关联程度：将所述事件通知的所述通知上下文编码为所述稀疏向量表示；使用向量距离度量，比较所述事件通知的所述稀疏向量表示与每个过去事件通知的所述稀疏向量表示；基于上述比较的结果，显示最接近所述事件通知的所述过去事件通知；通过考虑所述用户对所述显示的过去事件通知的反应，获取所述事件通知的所述预测的关联程度。这允许最大限度地减小存储所述过去事件通知和所述过去通知上下文所需的内存大小，并简化和同时改进所述预测所述关联程度。

20、在所述第二方面的另一实现方式中，所述处理器可执行指令还使得所述至少一个处理器通过使用随机索引算法进行所述比较。这样，可以在更大程度上提高所述关联程度的所述预测的准确性。

21、根据第三方面，提供了一种计算机程序产品，包括在存储计算机程序的计算机可读存储介质。所述计算机程序在由至少一个处理器执行时，使得所述至少一个处理器执行根据所述第一方面所述的方法。因此，根据所述第一方面所述的方法可以计算机程序的形式体现，从而附加地提供其使用灵活性。

22、本发明的其它特征和优点在阅读以下具体实施方式并查看附图时将显而易见。